【故障定位】基于多元宇宙算法的主动配电网故障定位方法研究(Matlab代码实现）

💥💥💞💞欢迎来到本博客❤️❤️💥💥

🏆博主优势：🌞🌞🌞博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。

⛳️座右铭：行百里者，半于九十。

📋📋📋本文目录如下：🎁🎁🎁

目录

💥1 概述

📚2 运行结果

2.1 算例

3.2 单点故障

3.3 多点故障

🎉3 参考文献

🌈4 Matlab代码实现

💥1 概述

参考文献：

知识回顾：多元宇宙算法求解电力系统多目标优化问题（Matlab实现）【电气期刊论文复现与算例创新】

【电力系统经济调度】多元宇宙算法求解电力系统多目标优化问题（Matlab实现）【电气期刊论文复现】

配电网的故障定位问题是保证供电稳定性与供电恢复的前提所在，随着配电网络技术的日益发展

与绿色发展理念的不断加深，因为风能、潮汐能、太阳能等一系列可再生能源具有结构灵活、成本低等优势，被以分布式电源(distributed generation, DG)的形式大量接入配电网，从而导致配电网的结构愈加复杂[1]。而主动配电网为多电源系统，分布式电源的发电特性具有随机性、间歇性、易受环境影响和储量小等特点[2]，对整个线路的电流、损耗、电压分布和短路水平有着直接影响，馈线段上的分段开关、联络开关、断路器等各点电压会显著升高，且随着分布式电源的接入会引发潮流反向的问题，导致传统的故障定位方法效果差强人意[3]。因此，主动配电网的故障定位问题是智能电网研究的热点问题。相间短路故障时故障特征明显，可以利用馈线终端单元(feeder terminal unit, FTU)设备采集提取准确的故障信息，通过快速且具有高容错性的定位算法实现故障区段的定位，适用于负荷密集的地区[4]，是目前的主要研究手段。其主要流程是基于 FTU 检测到的故障电流信息，上传至主站监控和数据采集 (supervisory control and data acquisition, SCADA)系统，通过智能算法进行计算得出故障区段，主要方法有矩阵算法和人工智能算法等[5]。矩阵算法的原

理是利用 FTU 监测到的故障信息来编写故障矩阵和构造网络描述矩阵，通过矩阵计算来对故障区域进行定位。文献[6]针对多电源支路的故障难以确定的问题，采用改进矩阵算法形成网络结构矩阵和故障信息矩阵来对故障区域进行初始判断，最后通过二分法精确定位故障的位置。虽然矩阵算法具有精准且快速的定位效果，但因其容错性较差而不能有效处理故障信息缺失及畸变的问题，不适用于复杂且恶劣的环境。人工智能算法的原理是基于 FTU 检测到的故障电流信息，由数据处理中心通过人工智能算法进行计算得出故障区段。文献[7]采用免疫算法解决配电网的故障定位问题，通过计算抗体单元的亲和度和浓度来对种群个体进行评价，融入记忆单元来避免算法“早熟”，但由于抗体与抗原编码为二进制编码，浓度评价中的亲密度计算部分要在每代种群的每个个体之间实现，其计算次数极大，严重影响了算法的收敛速度和性能。文献[8]采用动态自适应的旋转角策略，代替标准量子遗传算法的固定旋转角策略，再将混沌优化思想融入算法，提高局部搜索能力，但收敛性能提升不明显，故障定位时间较长。文献[9]提出了一种自适应的交叉与变异概率，交叉与变异概率在适应度值的最大值和平均值之间，按照 Sigmoid 函数进行非线性调整，再引入分级处理思想加快大规模电网故障定位的速率，但参数设置复杂，并且未验证所提算法的容错性能。此外，应用到配电网故障定位问题中的智能优化算法还有改进仿电磁学算法[10]、蚁群退火算法[11]、天牛群搜索算法[12]、鲸鱼优化算法[13]、萤火虫算法[14]、粒子群算法[15]、仿电磁学算法[16]等。

本次先用简单的粒子群优化算法引用膨胀率函数来实现配电网单点及多点故障区段定位实现，本文算例利用参考文献算例。后期再考虑用多元宇宙优化算法进行求解。